Вы находитесь на странице: 1из 4

Aplicación de Álgebra en la

Biología.

Profesora:​ Mariana Lastra.


Cátedra:​ Álgebra.
Alumna: ​Vega Fernanda Agustina.
DNI: ​40.483.757
Fecha:​ 14/06/2019
Matemáticas aplicadas a la Biología:

Es un hecho innegable que en nuestros días la Matemática está atravesando un momento


de gloria en el sentido de que además del desarrollo propio de las teorías abstractas de sus
diferentes ramas, está teniendo una participación crucial en otras disciplinas de las cuales
se nutre y a las cuales después de dotarlas de un marco teórico adecuado, las impulsa
haciéndolas avanzar hacia lugares antes inimaginables. La Biología es una de esas ciencias
y su vínculo con la Matemática ha tomado un impulso decisivo a principio del siglo XX con
las ecuaciones de Lotka – Volterra para modelar la dinámica de un sistema de cazadores y
presas, y esto se ha acentuado en las últimas décadas. Es menester aclarar que en siglos
pasados ya han existido, aunque en forma fugaz, encuentros entre la Matemática y la
Biología tales como el modelo de Fibonacci para el crecimiento de conejos; el modelo de
Malthus, para el crecimiento de la población humana; el modelo de Verhulst y el modelo de
Gompertz para el crecimiento poblacional.
La fugacidad de estos encuentros no les quita importancia, las investigaciones de Malthus
inspiradas en Darwin para desarrollar su teoría de la evolución, la cual es fundamental para
la Biología moderna. El modelo de Verhulst ha podido explicar el crecimiento de algunos
tipos de bacterias y paramecium (Álvarez, 2006, pp. 73 – 112). La ecuación de Gompertz,
por su parte ha logrado modelar con éxito el crecimiento de tumores (Hernández, 2014, pp.
1 – 8).
Algunas de las áreas de la Biología cuyos modelos matemáticos han contribuido
notablemente se destacan los siguientes: ​crecimiento tumoral ​(Barrea y Hernández, 2012;
pp. 41 – 49; Barrea y Hernández, 2012, pp. 5789 – 5800; Barrea y Hernández, 2013, pp. 35
– 49; Hernández, 2014; Preziosi, 2003; Wodarz y Komarova, 2005), ​dinámica de
poblaciones ​(Britton, 2002, pp. 1 – 79; Murray, 2001, pp. 1 – 115; Nowak, 2006), ​modelos
para la determinación del sexo según la temperatura de los huevos ​(Murray, 2001, pp.
119 – 144), epidemiología (Allen, 2003, pp. 56 – 153; Bürger, 2010, pp. 7 – 62; Hernández,
2014, pp. 25 – 35), biología celular y molecular (Britton, 2002), ​farmacodinámica y
farmacocinética (​ Bonate y Howard, 2011; Källén, 2008), dinámica de HIV (Nowak, 2006,
pp. 167 – 189) y ecología (Momo y Capurro, 2006).

Vacunación óptima para un modelo SIRS


Un problema de control óptimo presentado por Hernández (2014, pp. 25-35), denominado
modelo SIRS​, en el cual describe la dinámica de una enfermedad contagiosa sobre una
población cuyos individuos pueden estar expuestos, respecto a la enfermedad, en uno y
solamente uno de los siguientes estados: susceptible, ​S​, infectado, I​, y recuperado, ​R​. Las
personas susceptibles son aquellas que pueden llegar a enfermarse, las infectadas son las
que se encuentran enfermas y las recuperadas son aquellas personas que se curan de la
enfermedad. Algunos de estos últimos pueden volver a enfermarse, es decir a ser
susceptibles. La retroalimentación de la enfermedad se puede simplificar de la siguiente
manera ​S→I→R→S​, lo cual da lugar a la notación ​SIRS​.

1
Para la dinámica de la enfermedad se tiene el modelo que figura en el sistema de
ecuaciones siguiente:

S(t)
S (t) = μ( 1 − K ) − β S(t)I(t) − (δ + u(t))S(t)R(t) + v R(t)
I (t) = β S(t)I(t) − (δ + ε + y ) I (t)
R(t) = y I(t) − (δ + v ) R(t) + u(t)S(t).

En el modelo S(t), I(t) y R(t) denotan respectivamente el número de individuos


susceptibles, infectados y recuperados en el tiempo t, y está acompañado por las
condiciones iniciales (S(0),I(0),R(0)) = (S0,I0,R0), donde S0, I0, R0 > 0, y además se
supone que 0 ≤ t ≤ T.

Los individuos susceptibles tienen una tasa de nacimiento, ​μ​; pero no crecen
indefinidamente sino con una capacidad de soporte, ​K​. Debido a los encuentros entre
susceptibles e infectados, algunos de primeros pasan a ser infectados, β ​representa la
capacidad de infectar de la enfermedad, y el término ​S(t)I(t) indica el número de encuentros
entre susceptibles e infectados en el tiempo ​t​. Existe además una tasa natural de muerte, δ​,
y una proporción de susceptibles vacunados en el tiempo t​, ​u(t)​, que pasan a ser
recuperados. En cuanto a los infectados la tasa de crecimiento se ve afectada
positivamente por los individuos susceptibles que pasan a ser infectados, poseen una tasa
​ ​, una tasa de muerte por la enfermedad, ε
de muerte natural, δ ​ ​, y una cierta proporción, γ
​ ​,
pasa de ser infectado a recuperado.

Finalmente, la población de recuperados posee como fuentes de crecimiento la


proporción de infectados que pasan a ser recuperados y la proporción de susceptibles
que son vacunados, y por ende pasan a ser recuperados. Tiene la misma mortalidad
que los susceptibles y los infectados; pero suponemos que una proporción, ν ​ ​, de
recuperados pueden volver a ser susceptibles.
Ahora bien, en un principio se podría pensar en vacunar toda la población de
susceptibles con el fin de minimizar el número de individuos infectados, es decir
considerar​ u(t) = 1​, en el período ​[0,T]​.
Sin embargo, lamentablemente vacunar tiene un costo económico, lo da lugar al problema
de encontrar una función, u​, definida y acotada en ​[0,T] tal que minimice los siguientes
objetivos: ​(a) el número medio de individuos susceptible, ​(b) el número medio de individuos
infectados, ​(c) la cantidad media de personas vacunadas y ​(d) el negativo de la cantidad
media de individuos recuperados (o sea que maximice la cantidad media de recuperados).
En lenguaje matemático esto se expresa de la siguiente manera:

min​J​(u),
u∈Uad
donde:

J (u) = ∫ (w 1 S(t) + w 2 I(t) − w 3 R(t) + 1


2 w 4 u2 (t))dt,

U ad = {u : [0, T ] → [0, 1] | u es medible}.

2
Minimizar ​J(u)​, significa encontrar una manera de vacunar a la población, expresada por la
función ​u(t) definida en el intervalo de tiempo ​[0,T] de modo tal que se reduzcan al mínimo
el número de personas susceptibles e infectadas y la proporción de personas vacunadas, lo
cual viene dado por ∫​[0,T] (w1S(t) + w2I(t) + 0.5w4u2(t))dt​. Por otra parte minimizar la
cantidad ​∫[0,T] -w3R(t)dt​, es equivalente a maximizar ​∫[0,T] w3R(t)dt​, es decir la cantidad
de personas recuperadas. Las constantes ​w1, w2, w3 y w4 en cierta forma representan el
peso que se le da a cada objetivo. Además ​w4 habrá de ser un número lo suficientemente
grande como para que los integrandos de ​J(u)​ sean todos del mismo orden de magnitud.